Koscsó Ferenc mérnök és MI-szakértő szerint "katasztrófa, ahogy az új Beatles-dal megszólal"

HIRDETÉS

Túl vagyunk a szenzáció első pillanatain, eltelt annyi idő, amikor már higgadtan beszélgethetünk szakértőkkel arról, hogy milyen lett a Beatles régi-új dala, amit a mesterséges intelligenicia (MI) bevetésével dobott piacra a kiadó. Koscsó Ferenc, az MI térhódításával foglalkozó mérnök audio-vizuális rendszerintegrációs szakemberként számos rádió- és tévéstúdió kialakításában működött közre. Negyven évvel ezelőtt ő indította el a HiFi-klubot a miskolci egyetemen. Nagyon sok Beatlest hallgattak, leggyakrabban hangszalagról. Napjainkban a mesterséges intelligencia térhódításáról tart előadásokat.

Beatles-rajongóként és szakemberként is kérdeztem, milyen élmény volt neki meghallgatni a most megjelent Beatles-dalt:

- Azt kell, hogy mondjam, hogy ahogy ez a felvétel az általam hallott streaming-oldalakon megszólal, az maga a katasztrófa. Tehát abban minden benne van, amiért audiofil körökben kritizálják a jelenlegi zenei és hangfelvételi ipart.

- Azt hittem, hogy az MI-bravúrtól el lesz ragadtatva. Korábbi Beatles-dalok lemezfelvételeivel összehasonlítva is csalódott?

- Számomra olyan fontos a HiFi-hangzás, hogy a saját kiadómat és hangstúdiómat is a szalagos magnó orsójáról (reel) neveztem el, így lett My Reel Club. Ha a most kiadott dalt egy olyan igényes lemezhallgató fülével hallgatom, akinek van otthon egy pár millió forintot érő HiFi-berendezése, és egy lemezért időnként kiad 20-40 ezer forintot, akkor ebben a felvételben a hangzás szempontjából semmi olyat nem találok, ami élvezhető lenne.

- Ha maradunk ennél a Beatles-újrakeverésnél, mi az, amit úgy hall, hogy kiölt a hangzásból a mai utómunka?

- Már körülbelül húsz éve megfigyelhető az, amit úgy hívnak, hogy hangosság-háború, loudness war. Azon versenyeznek a különböző kiadók, hogy az ő felvételeik úgy szólaljanak meg, hogy hangosabbnak halljam, ha például az autóban ülve átkapcsolok egyik rádióról a másikra. Ezt a jelenséget jól érzékelteti néhány metal-felvétel, amikor egy hangos üvöltéssé vált az egész, mert nem volt a felvételnek dinamikája.

- Mi a különbség, és miért baj ennek az alkalmazása?

- A hangosság az nem ugyanaz, mint a dinamika. A leghalkabb és leghangosabb részek különbsége a dinamika. Viszont egy nagyon hangos felvételen minden hangos, nincsenek halk részek. Ezzel meghamisítják egy-egy megszólalásnak azokat az arányait, amiket élőben hallanánk. Ez leginkább a populáris műfajokra igaz, és a Beatles meglehetősen populáris műfajú.

- Ez mind kihallható a régi demój újrakeverésével született Beatles-dalból?

- Amit én a nagy streaming-szolgáltatóknál elérhető változaton hallottam, az pontosan ezt a laudness war jelenséget mutatja. Nem hinném, hogy négy decibelnél nagyobb dinamikája lehet a felvételnek.

- Érthetővé tudja tenni nekem, hogyan készült az új verzió?

- Régi és új felvételekkel, illetve azok alapján a mesterséges intelligenciával is generáltattak bizonyos részeket. Az MI bőven alkalmas arra, hogy bizonyos zenei részleteket, amik hiányoznak, kitaláljon. Megérti a szerzők sajátosságait, működését, és ahhoz igazodva megalkot vagy masterel egy-egy részletet vagy felvételt. Újsághírek alapján ebben az esetben több helyen generáltak olyan részleteket, amelyek a valóságban nem léteztek.

- Eddig nem adták ki ezt a dalt, megmaradt demónak. A hagyományos szoftverekkel nem tudták volna szeparálni Lennon énekhangját?

- Már két éve léteznek olyan szoftverek, amik szét tudják a szólamokat bontani, sőt, ki tudnak venni szólamokat egy kevert hangfelvételből. Ilyen megoldás már van egy tucat. És a mostani példa mutatja, hogy már az sem okoz technikai problémát, hogy generáljunk olyan tartalmat, ami eddig nem létezett. Például egy olyan szólamot vagy hangszert, ami nem volt az eredeti felvétel része.

- Mekkora szerepe lehet az MI-nek és a már létező szoftvereknek a Beatles régi-új dalában?

- A mesterséges intelligencia nagyon tág fogalom. Egyik korai változata például a machine learning, azaz a gépi tanulás, aminek a révén megismer, és az alapján újraalkot valamit.

- Így szebben izolálhatja az énekhangot, mit egy hagyományos szoftver?

HIRDETÉS

- Természetesen, illetve az is fokozza ezt a képességét, hogy az utóbbi rövid idő alatt, akár fél év alatt további fejlesztések váltak elérhetővé a kutatási fázisból. Például, mivel az Euronews készíti velem ezt az interjút, érdekes lehet, hogy én már részt vettem olyan magyar kísérletben is, ahol a hírolvasókat kellett kiváltani. A newsroom rendszerébe valaki begépelt egy szöveget, a MI megtanulta egy kiválasztott hírolvasó hangját, és felolvasta a híreket úgy, hogy egy autórádióban hallgatva azt lehetett hinni, hogy az adott személyt hallani. Egy alázene elegendő, hogy elfedje az apró furcsaságokat.

- Eszerint az MI nem csak izolálni képes Lennon hangját, hanem arra is képes, hogy még szebbé tegyen egy régi demót?

- Ez már egy úgynevezett sweetening-fázis, amikor az izolált hangot elkezdem ízesíteni. Ez a hagyományos technológiával is több féleképp történhetett. Amikor kikeverjük az arányokat a szólamok között vagy elhelyezzük azokat a térben digitális zengetés segítségével, majd következik a végleges mastering.

- Ha az énekes nem tudott szépen kiénekelni néhány hangot, azt már az MI képes újraalkotni helyette?

- Ezeket a különböző pitch shiftelésnek nevezett eljárásokat már nagyon régen csinálják, az MI ennél sokkal többre képes. A megismert minta alapján akár megalkothat, szintetizálhat egy teljesen újat.

HIRDETÉS

- Most ebben az esetben Lennon hangját izolálta vagy újraalkotta az MI?

- Szerintem soha nem fogjuk megtudni a teljes igazságot, de azt hiszem, hogy ebben az esetben sokkal több szerepe van a mesterséges intelligenciának, mint amennyire gondoljuk, vagy sugallják az erről megjelent tudósítások.

- Ha nem műszaki szakemberként, hanem Beatles-rajongóként kérdezem, mit érzett, amikor megjelent ez a dal?

- Az jutott eszembe, hogy ez a lemezkiadások clickbaitje. Számos formában megvan nekem az összes Beatles-kiadvány, beleértve a legutolsó, nagy felbontású remastert is, amit USB-kulcson adtak ki több mint tíz éve. Az új dal nálam nem került be az első száz Beatles-track közé. Persze mivel túl sok szó esett a kiadvány technológiai oldaláról, a zeneiségére kevésbé koncentráltam első hallgatáskor. Azt próbáltam analizálni, hogy hol, milyen módon hallható meg a technológia. Annyira rossz a felvétel hangossága, hogy a finomságát nem is lehet ízlelgetni.

- Ha ilyen pontosan tudjuk, hogy mik a hibái a mostani keverésnek, akkor az MI-vel szépen is meg lehetne csinálni?

HIRDETÉS

- Ez valószínűleg kiadói koncepció volt, hogy így szóljon. A sikert úgy tartották könnyebben elérhetőnek, hogy a hangzását közelítették a mai ideálhoz, amikor minden nagyon hangos a kommersz műfajokban.

- Zárásként menjünk még egy lépéssel tovább. Ha az MI egy létező minta alapján képes kreálni eddig nem létező, teljesen új tartalmat ugyanazokkal a jellemzőkkel, akkor Lennon hangjával és az együttes tagjainak játékával a jövőben bármennyi új Beatles-számot szintetizálhat.

- Így van. A könnyűzenében ez sokkal egyszerűbb, mint például Beethoven befejezetlen szimfóniáját befejezni. Arra is zajlik persze mesterséges intelligenciás kísérlet. Most még a töredékét nem látjuk annak, amit az MI a következő két évben hoz majd a zeneiparban. De visszatérve a kérdésére, már most lehetséges, hogy az MI új Beatles-számokat alkosson, de kérdéses, hogy megérné-e. Vagyis a közönségsikert tekintve, a slágerlistán milyen fogadtatása lenne. Persze az is kérdés, hogy az MI-vel a régiek másolásával csináltatunk-e újabb hasonló stílusú dalokat, vagy pedig az eredeti jellemzők alapján a mai, új stílusokban kreáltatunk számokat, mintha a korábbi szerzők és előadók zenélnének a mában.

- Már lehet?

- Még talán nem tartunk ott, hogy John Lennon vagy Yoko Ono hangján igazán jó minőségben szülessenek más, mai stílusú, eddig nem létező dalok, de olyat, ami rácsodálkozásra alkalmas, már lehetséges készíteni. Az eredeti értékek továbbvitelével magas minőségben újat alkotni, na, ott még nem vagyunk, de eljön az is.

HIRDETÉS